Garela, estou com uma dúvida e se alguém puder me ajudar ficarei grato.
Estou fazendo uma aplicação e uma da funçoes dela é capturar código Html. A captura do código eu ja estou fazendo, só que vem o código completo, mas minha dificuldade está em capturar somente um pedaço do código e não o código todo.
Destrinchar o código html com Java
T
16 Respostas
J
Você pode trabalhar com os métodos da classe String para ir capturando apenas o que você quer (olha o indexOf, substring, charAt)
Ou então fazer a pesquisa/captura através de expressões regulares.
V
Da um olhada em Regex também.
P
Veja se isso te ajuda:
private static String removeHTML(String html){
String noTagRegex = "<[^>]+>";
return html.replaceAll(noTagRegex, "").trim();
}
G
tasio, como você obteve o código HTML?
Obrigado.
T
Fala Guidam,
cara eu usei a classe
URL e URLConnection(que passo como parametro a pagina que eu quero que ela capture) do java.net.URL;
a ImputStreamReader(pra ler oque a URL trouxe) da java.io e
BufferedReader(para ler linha a linha pra eu poder trabalhar com o código) tbm do java.io…
Se precisar de alguma coisa estamos aí…!
G
Obrigado tasio,
Veja se pode me ajudar.
Peguei esse codigo aqui no GUJ, mas não sei que formato que passo como parametro.
Estou passando a seguinte uriStr: http://localhost:8080/aplicacao/jsp/teste/index.jsp , mas o retorno é vazio.
public static String getText(String uriStr) {
final StringBuffer buf = new StringBuffer(1000);
try {
HTMLDocument doc = new HTMLDocument() {
public HTMLEditorKit.ParserCallback getReader(int pos) {
return new HTMLEditorKit.ParserCallback() {
public void handleText(char[] data, int pos) {
buf.append(data);
buf.append(’\n’);
}
};
}
};
URL url = new URI(uriStr).toURL();
URLConnection conn = url.openConnection();
Reader rd = new InputStreamReader(conn.getInputStream());
EditorKit kit = new HTMLEditorKit();
kit.read(rd, doc, 0);
} catch (MalformedURLException e) {
} catch (URISyntaxException e) {
} catch (BadLocationException e) {
} catch (IOException e) {
}
// Retorna todo o texto encontrado
return buf.toString();
}
T
Guidan, vê se isso te ajuda…
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
public class TextHTML {
static String in;
public String capturaHTML(String url) {
try {
//pega a url informada
URL u = new URL(url);
//conecta com o servidor da pagina
URLConnection uc = u.openConnection();
//retorna a leitura da pagina
InputStreamReader isr = new InputStreamReader(uc.getInputStream());
BufferedReader br = new BufferedReader(isr);
String inputLine;
//lê todas as linhas da pagina e armazena tudo na variavel in
while ((inputLine = br.readLine()) != null) {
in += (inputLine + "\n");
}
System.out.println(in);
br.close();
isr.close();
} catch (IOException e) {
e.printStackTrace();
}
return url;
}
public static void main(String [] args){
TextHTML th = new TextHTML();
th.capturaHTML("http://nome da pagina");
}
}
F
Vc esta querendo pegar o codigo html ou as informações nele contida?
Eu comecei fazer algo parecido mas era para coletar informações que estão no meu html, tipo fazer um catalago.
Isso que está precisando?
G
Tasio, funcionou obrigado!
Fnascimento, estou querendo pegar o codigo HTML, o código do tasio funcionou pra isso.
T
Blz cara, qualquer coisa estamos aí. E aproveito tbm pra agradecer as dicas da galera aí que responderam minha dúvida… valeu…
D
Galera, acostumem-se a buscar por alguma solução já pronta ao invés de reinventar a roda. Uma busca rápida por Java+HTML+Parser no Google retornou a seguinte URL: http://htmlparser.sourceforge.net/.
V
Talvez o que ele queira seja algo um pouco mais simples.
Eu faço da seguinte forma.
por exemplo se eu quisesse capturar o título da pagina retornada :
String resultado = new String();//resposta do servidor;
int comeca = resultado.indexOf("<title>")+7;
int termina = resultado.indexOf("</title>",comeca);
String titulo = resultado.substring(comeca,termina);
N
Estou precisando pega um valor depois da barra da url
www.sucessoextra.com.br/meu nome ou codigo
como posso fazer isso sem colocar o /? no final e como capitura essa valor para puxa essa informacao do Bd caso nao tenha retorna para a pagina principal
exem.
se eu entra com a url www.sucessoextra.com.br/006101 ou www.sucessoextra.com.br/nogueiramaier e se nao acha essa referencia no banco de dados retornar para pagina principal e nao da erro 404
sao duas perguntas
como capitura o valor e verificar se esse valor existe se existe ele vai aparece o nome e os dados da pessoa ou retonar para a pagina principal com os valor do compo padrao.
Sou novo em PHP estou comecando a estudo mais nao achei referencia sobre essa assunto ainda na net
grato
nogueria Maier
J
Veja se isso te ajuda:
private static String removeHTML(String html){ String noTagRegex = "<[^>]+>"; return html.replaceAll(noTagRegex, "").trim(); }
kara nao deu certo esse codigo nao aki, nao sei pq, alguma ideia? capturei o html com o codigo do rapaz ai tranquilo foi, e depois pasei ele para essa função sua…
G
Olha só, num trabalho da faculdade q eu fiz onde trabalhei com parse de HTML usei a biblioteca Jericho. Vale dar uma conferida.
J
Veja se isso te ajuda:
private static String removeHTML(String html){ String noTagRegex = "<[^>]+>"; return html.replaceAll(noTagRegex, "").trim(); }
revendo o codido consegui fazer funcionar mas tive q usar um caracter por vez tipo: String noTagRegex = “<”; depois String noTagRegex = “>”;
ai funcionou agora tudo junto nao …
Criado 8 de janeiro de 2008
Ultima resposta 2 de dez. de 2009
Respostas 16
Participantes 11